OpenAI verlaagt API-prijzen met 80%: wat verandert er in 2026?

OpenAI verlaagt prijs met 80%: de complete 2026-gids voor goedkopere AI-API's

OpenAI heeft op 30 juli 2026 de prijs van GPT-5.6 Luna met 80% verlaagd: van $1/$6 naar slechts $0,20 per miljoen input-tokens en $1,20 per miljoen output-tokens. Ook Terra werd 20% goedkoper, naar $2 per miljoen input-tokens en $12 per miljoen output-tokens, en Luna ging dus met 80% omlaag naar 20 cent per miljoen input-tokens en $1,20 per miljoen output-tokens. Die spraakmakende 80% geldt echter voor één specifieke laag, niet voor het hele aanbod, dus hoeveel je zelf bespaart hangt af van welk model je daadwerkelijk gebruikt.

Als je bouwt met, betaalt voor, of budgetteert rondom OpenAI, dan is dit een van de meest ingrijpende prijswijzigingen van het jaar. Hieronder vind je de volledige uitsplitsing: welke modellen goedkoper werden, waarom dit gebeurde, hoe OpenAI zich nu verhoudt tot Google, Anthropic en het open-source landschap, en hoe je elke laatste cent uit je API-factuur haalt. En omdat AI-abonnementen nog steeds maandelijks in USD worden gefactureerd, behandelen we ook de sluipende manier waarop de meeste mensen bij elke verlenging geld verliezen, en hoe je daar een eind aan maakt.

Deze gids is geschreven voor individuele ontwikkelaars, kostenbewuste startups en bedrijven die productie-workloads draaien. De cijfers zijn belangrijk, dus we hebben ze doorlopend geverifieerd aan de hand van actuele berichtgeving uit 2026.

Betaal je elke maand voor ChatGPT, Claude of Gemini? Bleap rekent 0% wisselkoerskosten op je USD-abonnementen en geeft een vaste 20% cashback op verlengingen van Claude, ChatGPT en Gemini, met een self-custodial Mastercard en zonder eigen abonnement. (De 20% cashback geldt alleen voor Claude, ChatGPT en Gemini.) Vraag de Bleap-kaart aan →

1. Wat is er precies gebeurd? De prijsverlagingen van OpenAI in 2026 uitgelegd

De officiële aankondiging, de timeline en welke modellen het betreft

Het middelpunt van dit verhaal is één agressieve zet. Op 30 juli 2026 verlaagde OpenAI de prijs van zijn GPT-5.6 Luna-model met 80%, slechts drie weken na de volledige publieke lancering van de GPT-5.6-familie. Terra ging ook 20% omlaag in prijs, terwijl de topvariant Sol ongewijzigd bleef.

Vooral die timing deed veel wenkbrauwen fronsen in de sector. OpenAI kondigde aan de prijzen van twee van zijn nieuwste AI-modellen, GPT-5.6 Terra en GPT-5.6 Luna, flink te verlagen, ongeveer drie weken na hun publieke release. Normaal gesproken herprijst een bedrijf een product niet zo snel, tenzij de markt daar echt om vraagt. De GPT-5.6-familie ging op 9 juli van start, met Sol als werkpaard, Terra als middenklasse-optie en Luna als de voordelige keuze. Drie weken is een bijzonder korte periode om die prijzen alweer aan te passen, dat wijst erop dat de startprijzen niet aansloegen zoals OpenAI had gehoopt, zeker vergeleken met de alternatieven waar klanten naar keken.

OpenAI presenteerde de wijziging als een kwestie van efficiëntie, niet van paniek. "Onze strategie blijft gericht op het verbeteren van zowel de mogelijkheden als de efficiëntie, zodat elke nieuwe generatie intelligentie meer werk kan verzetten tegen lagere kosten," aldus OpenAI in een verklaring. Deze aanpassingen gelden voor de API-prijzen die ontwikkelaars per token betalen. ChatGPT-abonnementen voor consumenten zijn een apart product met hun eigen maandelijkse prijzen.

De nieuwe prijzen: een volledig overzicht van de tokenkosten

Hier zie je precies waar dat percentage van 80% vandaan komt, en hoe de rest van het aanbod zich verhoudt. Alle bedragen zijn per miljoen tokens in het standaardtarief, in USD, zoals tokenprijzen wereldwijd worden weergegeven.

De belangrijkste cijfers achter deze verlaging zijn duidelijk. Luna kost nu $0,20 per miljoen input-tokens en $1,20 per miljoen output-tokens, tegenover $1 en $6 eerder. Bij Terra zakten de tarieven naar $2 per miljoen input-tokens en $12 per miljoen output-tokens, ten opzichte van $2,50 en $15 daarvoor.

Er zijn altijd twee prijzen die ertoe doen, niet één. Inputtokens zijn wat je naar het model stuurt: je prompt, systeeminstructies, documenten en gespreksgeschiedenis. Outputtokens zijn wat het model teruggeeft. Bij de meeste modellen kost output een veelvoud van input, en dat is precies waarom een breedsprakig model in de praktijk duurder kan uitpakken dan een bondig model, zelfs bij hetzelfde basistarief.

Het is handig om de rest van het aanbod ook te kennen. GPT-4o kost in 2026 $2,50 per miljoen inputtokens en $10 per miljoen outputtokens, terwijl GPT-4o mini op $0,15/$0,60 zit en het redeneermodel o3 na de prijsverlagingen rond $2/$8 uitkomt. Voor GPT-4.1 blijft de prijs $2/1M input en $8/1M output, voor GPT-4.1 Mini is dat $0,40/$1,60, voor GPT-4.1 Nano $0,10/$0,40, en GPT-5 zit op $1,25/$10.

Uitgelicht: Wat is een token? Een token is een stukje tekst, ongeveer 4 tekens of zo'n driekwart woord in het Engels. De zin die je nu leest, bestaat uit ongeveer 15 tokens. Prijzen worden per miljoen tokens genoemd, omdat echte workloads al snel in de miljarden lopen. Als vuistregel: 1 miljoen tokens komt neer op ongeveer 750.000 woorden, oftewel zo'n tien complete romans.

Welke prijswijzigingen kwamen wél op 80% uit, en welke niet

De belangrijke nuance hier: niet elk model ging met 80% omlaag, en de meeste modellen gingen deze ronde helemaal niet in prijs omlaag. Die 80% slaat specifiek op Luna, de goedkoopste en snelste laag. Luna ging van $1/$6 naar $0,20/$1,20 per miljoen input-/outputtokens, een verlaging van 80% op zowel input als output, waarmee Luna een van de goedkoopste capabele modellen is die je bij een topaanbieder kunt krijgen.

Terra kreeg een merkbare maar kleinere verlaging van 20%, en Sol, het vlaggenschip, hield zijn prijs gewoon vast. OpenAI verlaagde de kosten van zijn GPT-5.6 Luna-model met 80 procent en bracht de prijs van het Terra-model met 20 procent omlaag, maar veranderde niets aan de prijs van Sol, zijn meest geavanceerde model.

Wat bespaart een gemiddelde gebruiker hier nu eigenlijk mee? Dat hangt helemaal af van waar jouw gebruik zich bevindt. Draai je grote volumes eenvoudige taken op Luna, dan is je rekening zojuist met ruwweg 80% gedaald. Leun je voor complexe redeneertaken op Sol, dan levert dit je direct niets op, al is het meestal slim om taken waar het kan naar de nu goedkopere niveaus te verplaatsen. Die verschuiving werkt dankzij toenemende capaciteiten. Volgens OpenAI zorgen de verbeteringen in GPT-5.6 ervoor dat Luna en Terra taken kunnen afhandelen die voorheen een premiummodel vereisten, waardoor klanten veel AI-taken kunnen uitvoeren met goedkopere systemen, zonder dat de kwaliteit noemenswaardig terugloopt.

2. Waarom heeft OpenAI de prijzen zo drastisch verlaagd?

Efficiëntiewinst op hardwaregebied: het compute-verhaal

Het meest opvallende aan deze prijsverlaging is hoe OpenAI die heeft gefinancierd. Het bedrijf zegt dat het eigen model het technische werk heeft gedaan. Binnen een door mensen aangestuurd proces heeft Sol zelfstandig productie-GPU-kernels herschreven en geoptimaliseerd, en honderden experimenten uitgevoerd om tokengeneratie te verbeteren. Dat kernelwerk verlaagde de end-to-end kosten voor het draaien van het model met ongeveer 20%, en de experimenten verhoogden de efficiëntie van tokengeneratie met meer dan 15%.

OpenAI presenteert het publiekelijk zo dat de efficiëntie van het topsegment de goedkopere tiers subsidieert. Het interne verhaal van OpenAI, dat ook naar buiten is gebracht, is dat de geoptimaliseerde inference-stack van Sol de prijsverlagingen van Luna en Terra financiert: betere efficiëntie aan de top van het aanbod levert marge op om agressiever te concurreren in de tiers waar het echte volume zit. Het principe erachter is simpel. Naarmate inference per query efficiënter wordt, dalen de marginale kosten per token, en op de schaal van OpenAI levert zelfs een verbetering van 20% in de kosten van het draaien van het model enorme absolute besparingen op die kunnen worden doorberekend aan klanten.

Het bedrijf presenteert dit ook als het begin van een terugkerend patroon in plaats van een eenmalige actie. OpenAI ziet dit als een zichzelf versterkende cyclus: naarmate hun modellen beter worden in autonoom werk, kunnen toekomstige besparingsrondes sneller volgen.

Hevige concurrentiedruk van rivalen

Efficiëntie is de officiële reden, maar concurrentie is de druk erachter. De twee weken voorafgaand aan OpenAI's zet waren druk bezet. Anthropic lanceerde Claude Opus 5 op 24 juli voor $5/$25 per miljoen input-/outputtokens, met prestaties bijna gelijk aan Fable 5 voor ongeveer dezelfde prijs als de voorganger, en Google bracht diezelfde maand Gemini 3.6 Flash uit voor $1,50/$7,50 per miljoen tokens, met een efficiëntieverbetering van 17%.

De druk komt niet alleen van de gebruikelijke Amerikaanse labs. Goedkope Chinese modellen hebben een flink stuk van de markt veroverd. Uit een onderzoek van CNBC, gepubliceerd op 7 juli 2026, bleek dat Chinese modellen 46% van het Amerikaanse zakelijke tokengebruik op OpenRouter in handen hebben, met pieken die soms boven Amerikaanse modellen uitkomen. DeepSeek V4 Pro is bijvoorbeeld geprijsd op $0,435/$0,87 per miljoen tokens, mede dankzij een permanente promotiekorting van 75%.

Alles bij elkaar komt de concurrentiedruk van alle kanten: premium concurrenten die qua prestaties gelijk opgaan tegen lagere kosten, middenklasse-modellen die op prijs onderbieden, en open of afgeprijsde modellen die de verwachtingen rond "goedkoop" volledig bijstellen. Deze veranderingen versterken de positie van OpenAI ten opzichte van concurrenten zoals Anthropic, wiens Claude-modellen weliswaar veel gebruikt worden maar hogere gebruikskosten met zich meebrengen, terwijl Chinese open-source concurrenten, waaronder Z.ai, de inzet verder hebben verhoogd door krachtige AI-systemen aan te bieden voor aanzienlijk lagere prijzen.

OpenAI's strategische doelen, marktaandeel en bereik van het ecosysteem

Er schuilt een land-grab-logica achter het verlagen van prijzen op de niveaus waar het gebruik het hoogst is. Goedkopere instap- en middenklasse-modellen trekken meer ontwikkelaars aan, die meer producten bouwen, die meer gebruikers opleveren, die weer meer gebruik genereren. OpenAI heeft de prijsstructuur van zijn AI-lineup volledig herzien en verlaagt de kosten van zijn instap- en middenklasse-modellen aanzienlijk, nu de concurrentie op de markt voor generatieve AI toeneemt en bedrijven vragen om betaalbaardere opties.

De schaal die OpenAI verdedigt is enorm, en de prijsverlaging viel samen met een belangrijke mijlpaal. OpenAI maakte bekend dat zijn modellen nu meer dan een miljard actieve gebruikers en meer dan twee miljoen bedrijven bereiken, een aankondiging die volgde op prijsverlagingen voor twee modellen uit de GPT-5.6-familie.

Kostenbewustzijn is inmiddels doorslaggevend voor kopers, geen bijzaak meer. Het bedrijf staat onder druk om beter aan te sluiten bij een kostenbewustere klantenkring, waarbij ondernemingen steeds minder bereid zijn dure modellen in te zetten zonder duidelijk zicht op het rendement van hun investering. De tijd van onbeperkt en kostenongevoelig AI-gebruik loopt ten einde. OpenAI luidde de AI-hype in met de lancering van ChatGPT in 2022, waarna bedrijven massaal de technologie omarmden. Zo ontstond het fenomeen "tokenmaxxing", waarbij werkgevers medewerkers aanmoedigden zo veel mogelijk AI te gebruiken zonder stil te staan bij de kosten.

De rol van nieuwere, efficiëntere modelarchitecturen

Aan de basis hiervan ligt een gestage opmars naar efficiëntere modelontwerpen. Nieuwere generaties presteren meer per eenheid rekenkracht, en de "mini"- en "nano"-varianten zijn specifiek ontworpen om het grootste deel van het dagelijkse werk te verzetten tegen een fractie van de kosten van topmodellen. Daarom kan een model uit de Luna-klasse nu taken overnemen die voorheen een premiummodel vereisten.

Deze bredere trend speelt al meer dan een jaar. Sinds begin 2025 dalen de prijzen van geavanceerde modellen over de hele linie, gedreven door efficiëntere inferentie, verbeteringen aan open-weight modellen en bewuste concurrentiestrategieën. De economische realiteit is nuchter: zelfs op deze schaal geven de koplopers enorme bedragen uit. Het bedrijf draait verlies doordat het blijft investeren in modelontwikkeling en infrastructuur, met een omzet van 13,07 miljard dollar in 2025 tegenover een nettoverlies van 38,5 miljard dollar. Lagere prijzen in combinatie met hoge uitgaven maken duidelijk dat het efficiëntieverhaal geen marketingpraatje is. Het is de enige manier waarop de cijfers kloppen.

3. Model-voor-model gids: welk OpenAI-model kies je in 2026?

Het aanbod is inmiddels flink uitgebreid. Hier is hoe je elke laag kunt beoordelen, wat het kost en voor wie het geschikt is.

GPT-5.6 Luna, de nieuwe prijs-kwaliteitkampioen

Luna is het model waar nu iedereen het over heeft. De inputprijs van GPT-5.6 Luna daalde met 80% naar $0,20 per miljoen tokens (was $1), terwijl de outputprijs zakte naar $1,20 (was $6).

Met $0,20/$1,20 is Luna gebouwd om te schalen. Het is de juiste keuze voor taken met een hoog volume, gestructureerde input en gevoeligheid voor latency: classificatie, taggen, routering, sentimentanalyse, live chat en eenvoudige tekstgeneratie. De belangrijkste verbetering deze ronde is dat Luna nu werk aankan waarvoor eerder een duurder model nodig was, waardoor veel teams hun workloads kunnen samenvoegen op dit model. Draai je maandelijks miljoenen calls voor repetitieve taken? Dan is Luna je standaard vertrekpunt.

GPT-5.6 Terra, de gebalanceerde middenklasse

Terra zit qua prijs-kwaliteit in het midden, op $2/$12 na de prijsverlaging van 20%. Het is het verstandige werkpaard voor taken die te genuanceerd zijn voor Luna, maar niet duur genoeg om het topmodel te rechtvaardigen: klantenservice met echte context, documentanalyse, contentgeneratie en algemene assistent-taken. Voor de meeste productieomgevingen is Terra de laag waar je alleen naar upgradet als de outputkwaliteit van Luna tekortschiet.

GPT-5.6 Sol, het topmodel

Sol staat aan de top van de familie en houdt zijn prijs vast op $5/$30. Het heeft er wel een snelheidsoptie bij gekregen. OpenAI kondigde een nieuwe Fast-modus voor Sol in de API aan, die de eerdere Priority Processing-optie vervangt. Deze Fast-modus levert tot 2,5 keer de snelheid van standaardverwerking. Bewaar Sol voor echt lastige vraagstukken, waar de winst in nauwkeurigheid of capaciteit meetbaar is en de meerprijs waard is.

GPT-4.1 en GPT-4o, de trouwe veteranen

Veel productiesystemen draaien nog steeds op de GPT-4-generatie, en dat model biedt nog altijd prima waarde voor werk met lange context. GPT-4.1 werd door OpenAI gelanceerd als de aanbevolen opvolger van GPT-4o: het is goedkoper met $2/$8 tegenover $2,50/$10, heeft een contextvenster van 1 miljoen tokens tegenover 128K, en scoort beter op benchmarks voor instructies opvolgen en coderen. Onderaan de reeks is GPT-4.1 Nano een van de goedkoopste bruikbare modellen die er zijn. GPT-4.1 Nano kost slechts $0,10 per miljoen inputtokens, waarmee het een van de goedkoopste krachtige modellen op de markt is. Bestaande GPT-4o-gebruikers behouden meestal hun oude tarief. GPT-4o blijft voor bestaande gebruikers beschikbaar tegen het oude tarief van $2,50/1M input en $10/1M output.

GPT-4o mini blijft een echte werkpaard voor taken met een hoog volume. Met $0,15 per miljoen inputtokens en $0,60 per miljoen outputtokens is GPT-4o mini ongeveer 17x goedkoper dan GPT-4o op input, en het draait de meeste grootschalige classificatie-, extractie- en routeringstaken. Om dat concreet te maken: een miljoen korte classificatieaanroepen van zo'n 500 tokens elk kost je met GPT-4o mini minder dan $80.

o3 en o4-mini, de redeneermodellen

Redeneermodellen zijn een ander verhaal, en hun prijsstelling zit met een addertje onder het gras. OpenAI's o-serie modellen (o4-mini, o3, o3-pro) zijn gemaakt voor taken die meerstaps-redeneren vereisen, zoals wiskunde, complexe codedebugging en wetenschappelijke analyse. o4-mini biedt met $1,10/$4,40 per miljoen tokens de beste waarde voor redeneertaken met een beperkt budget. Let wel: deze modellen rekenen interne redeneertokens ook af tegen het outputtarief, waardoor de werkelijke kosten 3 tot 10 keer hoger kunnen uitvallen dan de basisprijs, afhankelijk van de complexiteit van de taak.

Dat onderscheid is essentieel om te begrijpen voordat je gaat budgetteren. Eén enkel antwoord van o3 kan al 5.000 tot 20.000 interne reasoning-tokens verbruiken, die je tegen het outputtarief betaalt. Daardoor kan een taak die bij GPT-4o $0,01 kost, bij o3 opeens $0,15 of meer kosten, ondanks vergelijkbare prijzen op papier. De praktische vuistregel: voor de meeste productieomgevingen biedt o4-mini de beste prijs-kwaliteitverhouding binnen de reasoning-categorie, dus bewaar o3 en o3-pro voor taken waarbij evaluaties een meetbare verbetering in nauwkeurigheid laten zien.

Snelle vergelijkingstabel: OpenAI-modellen in één oogopslag

Slimme keuze voor de meeste teams: begin met Luna of GPT-4.1 Nano voor volume, stap over naar Terra als de kwaliteit dat vereist, en gebruik o4-mini voor redeneertaken voordat je naar o3 grijpt.

Hoe kies je het juiste model? Een beslissingskader

Houd het simpel met een kort beslispad:

• Is de taak simpel en hoog-volume? Gebruik Luna, GPT-4.1 Nano of GPT-4o mini.
• Is er echt redeneervermogen of rekenwerk nodig? Gebruik eerst o4-mini, en alleen o3 als evaluaties een duidelijke verbetering laten zien.
• Gaat het om gebalanceerd productiewerk met veel context? Gebruik Terra of GPT-4.1.
• Is het een echt lastig, geavanceerd probleem? Gebruik Sol.
• Is real-time snelheid cruciaal? Gebruik Luna of GPT-4o mini.

De gouden regel voor kostenbeheersing: begin goedkoop en upgrade alleen als de kwaliteit tekortschiet. Veel teams kiezen standaard te zwaar model, en betalen topprijzen voor werk dat een mini-variant net zo goed aankan.

4. Impact in de praktijk: hoeveel bespaar je nu écht?

Percentages zijn abstract. Hieronder zie je wat de prijsverlagingen betekenen in concrete rekeningen. De prijzen hieronder zijn gebaseerd op de huidige tarieven van 2026.

Use case voor developers: een chatbot bouwen

Stel je een zelfstandige developer voor die een klantenservice-chatbot draait die 5 miljoen tokens per maand verwerkt, ruwweg verdeeld in 3 miljoen input en 2 miljoen output.

Met de oude Luna-prijzen ($1/$6) kom je op ongeveer $3 voor input plus $12 voor output, zo'n $15 per maand, of $180 per jaar alleen al voor het model. Met de nieuwe Luna-prijzen ($0,20/$1,20) is dat ongeveer $0,60 voor input plus $2,40 voor output, zo'n $3 per maand, of $36 per jaar. Dat is een verlaging van 80% op de kernkosten van het model van de bot. De €144 die je jaarlijks bespaart, is genoeg om bijvoorbeeld een betere logging-opzet te financieren of een maand hosting.

Use case voor startups: AI-gedreven SaaS-product

Neem een SaaS-startup die een functie voor het samenvatten van documenten aanbiedt aan 500 zakelijke klanten, met een verbruik van ongeveer 200 miljoen input-tokens en 40 miljoen output-tokens per maand op een middenklasse model.

Als je die workload verplaatst van een tier met $2,50/$15 naar Terra met $2/$12, dan gaan de maandelijkse kosten van ongeveer €500 voor input en €600 voor output naar ongeveer €400 voor input en €480 voor output. Dat is een besparing van rond de €220 per maand, of €2.640 per jaar. Bij lagere prijzen worden AI-native functies die voorheen verlieslatend waren plotseling wél haalbaar, en producten die alleen werkten in welvarende markten beginnen ook zinvol te worden in prijsgevoeligere markten. Dat is het stille, opstapelende effect van een prijzenoorlog: hele productcategorieën worden alsnog winstgevend.

Use case voor enterprises: interne AI-tools op grote schaal

Neem een bedrijf met 1.000 medewerkers dat de API gebruikt voor interne kennisdatabanken doorzoeken, het opstellen van e-mails en HR-automatisering, met een verbruik van ongeveer 2 miljard input-tokens en 400 miljoen output-tokens per maand, waarvan het meeste routinewerk is.

Het merendeel van dat verkeer naar Luna routeren tegen $0,20/$1,20 in plaats van een middenklasse-optie van $2/$12, dat is het verschil tussen ruwweg €4.800 per maand en ruwweg €880 per maand. Op jaarbasis gaat het om tienduizenden euro's, en per medewerker uitgedrukt daalt de kostprijs van interne AI-tools naar een bedrag van een paar euro per hoofd per maand. Waar het hier echt om draait, is niet de prijsverlaging alleen. Het is de combinatie van die verlaging met gedisciplineerde routing.

Use case voor zelfstandigen en freelancers, power API-gebruikers

Een freelance developer of contentmaker die rechtstreeks de API gebruikt, geeft misschien €80 tot €150 per maand uit. Na de prijsverlagingen, en met een beetje discipline in de routing, kan die zelfde output dalen naar €30 tot €60. Batchmodus, caching en kortere prompts (allemaal behandeld in Sectie 6) drukken het nog verder omlaag.

Er is nog een extra hefboom die buiten de API om werkt. Als je ook betaalt voor ChatGPT-, Claude- of Gemini-abonnementen in dollars, rekent een gewone kaart er stiekem 2% tot 3% buitenlandse transactiekosten bovenop bij elke verlenging. Betaal die abonnementen met een Bleap-kaart en je betaalt in USD tegen de werkelijke koers met 0% wisselkosten, plus een vaste cashback van 20% op verlengingen van Claude, ChatGPT en Gemini. Bij een AI-abonnementenpakket van €40 per maand is die cashback alleen al ongeveer €96 per jaar waard, nog voordat je de wisselkosten meerekent die je niet meer betaalt.

Snij je in je API-rekening maar bloed je nog steeds geld op je abonnementsverlengingen? Bleap geeft je 0% wisselkosten op USD AI-abonnementen en een vaste cashback van 20% op Claude, ChatGPT en Gemini, zonder eigen maandelijks abonnement. (Cashback geldt alleen voor die drie tools.) Vraag de Bleap-kaart aan →

5. OpenAI vs. de concurrentie: is OpenAI nu echt het goedkoopst?

Door die verlaging van 80% is OpenAI een stuk concurrerender geworden, maar wat "het goedkoopst" precies betekent, hangt sterk af van welke laag je bekijkt.

OpenAI vs. Google Gemini: prijs en prestaties

Google zet in elke laag flink in en heeft één structureel voordeel. De Gemini API-prijzen lopen van $0,10/$0,40 per miljoen input-/outputtokens bij Gemini 2.5 Flash-Lite, via $0,30/$2,50 bij Gemini 3.5 Flash-Lite en $1,50/$7,50 bij Gemini 3.6 Flash, tot $2/$12 voor Gemini 3.1 Pro. De laagste standaardprijs op dit moment is die van Gemini 2.5 Flash-Lite met $0,10/$0,40.

Bij de Pro-modellen zit wel een addertje onder het gras waar je rekening mee moet houden. Zodra een enkele prompt de grens van 200.000 tokens context overschrijdt, verdubbelt het inputtarief ongeveer, en de outputprijs stijgt mee: bij Gemini 3.1 Pro gaat de input van $2,00 naar $4,00 per miljoen, en de output van $12,00 naar $18,00. Het echte sterke punt van Gemini is de contextlengte. De Gemini-lijn van Google heeft iets wat de anderen niet helemaal kunnen evenaren: een contextvenster van 1 miljoen tokens bij elk model, tot en met het goedkoopste model. Waar OpenAI wint, is op ecosysteemdiepte, de volwassenheid van de tools en het merkvertrouwen bij een miljard gebruikers. Gemini wint vaak op pure prijs als het gaat om werk met lange documenten.

OpenAI vs. Anthropic Claude: het premium alternatief

Claude blijft de favoriet van bedrijven als het gaat om schrijfkwaliteit, betrouwbaarheid bij lange context en veiligheid, en dit zomer kwamen er ook nieuwe modellen bij. Anthropic lanceerde op 24 juli Claude Opus 5, tegen $5/$25 per miljoen input-/outputtokens, met prestaties die dicht bij Fable 5 komen voor ongeveer dezelfde prijs als de voorganger. Bij de middelste laag ligt het wat gevoeliger qua timing. Claude Sonnet 5 van Anthropic heeft een introductietarief van $2,00 voor input en $10,00 voor output per miljoen tokens, geldig tot 31 augustus 2026. Daarna gaat dit omhoog naar $3,00 en $15,00.

Dat introductievenster is belangrijk voor je vergelijking. Tijdens die periode liggen Sonnet 5 en Terra van OpenAI qua prijs bijna gelijk, maar daarna kan het verschil in het voordeel van OpenAI uitlopen. Claude is over het algemeen duurder op flagship-niveau, en voor veel teams rechtvaardigt de schrijf- en redeneerkwaliteit die meerprijs bij specifieke toepassingen.

OpenAI versus open source: de dreiging van het "gratis" segment

Open-weight modellen en flink afgeprijsde alternatieven bepalen de bodemprijs van de hele markt. DeepSeek V4 Pro is bijvoorbeeld geprijsd op $0,435/$0,87 per miljoen tokens, dankzij een doorlopende promotiekorting van 75%. En dit is geen hype, ze hebben echt aan grip gewonnen. Chinese modellen hebben 46% van het Amerikaanse zakelijke tokengebruik op OpenRouter veroverd, en overtreffen daarbij soms zelfs Amerikaanse modellen.

Maar "gratis" is zelden echt gratis. Een open model zelf hosten betekent betalen voor GPU's, onderhoud, uptime, beveiliging en de engineering-uren om het draaiende te houden. Open source wint écht bij zeer hoog volume, simpele taken of strikte eisen rond dataprivacy. De API van OpenAI wint op snelheid naar de markt, betrouwbaarheid, support en nul DevOps-gedoe. De verborgen kosten van een "gratis" model zijn het team dat je nodig hebt om het draaiende te houden.

Vergelijkingstabel van concurrerende prijzen

*Introductietarief Claude Sonnet 5; de introductieprijs van Anthropic's Claude Sonnet 5 gaat op 1 september 2026 terug naar het standaardtarief van $3,00/1M input en $15,00/1M output. Let ook op dat Mistral bij Large 3 en Small 4 niet verder komt dan een maximale contextlengte van 256K, zonder optie voor 1M.

Het oordeel: waar OpenAI in 2026 staat

Na de prijsverlagingen is OpenAI zeer concurrerend, maar niet altijd de absolute goedkoopste. Gemini is voordeliger bij lange context en de laagste tiers, DeepSeek wint het op pure prijs, en Claude vraagt een meerprijs voor zijn kwaliteit. Het echte voordeel van OpenAI zit in het totaalpakket: het merkvertrouwen bij een miljard gebruikers en twee miljoen bedrijven, volwassen tooling, fine-tuning, betrouwbaarheid en zakelijke ondersteuning. Voor de meeste teams is de pragmatische aanpak om OpenAI als standaard te gebruiken en specifieke workloads alleen naar alternatieven te sturen wanneer de prijs-prestatieverhouding daar duidelijk in het voordeel uitvalt.

6. Zo haal je het meeste uit je besparing op OpenAI API-kosten

De verlaging van 80% is mooi, maar de grootste besparingen haal je nog steeds uit de manier waarop je de API gebruikt. Vier bewezen hefbomen doen samen het meeste werk. De vier belangrijkste zijn prompt caching (tot 90% korting op herhaalde input tokens), de Batch API (50% korting voor taken die niet urgent zijn), het routeren van simpele taken naar een mini-model in plaats van een volwaardig model, en het inkorten van system prompts. Samen zorgen deze er standaard voor dat een productie-API-rekening 50-70% lager uitvalt, zonder dat de kwaliteit van de output eronder lijdt.

Kies het juiste model voor elke taak

Dit is de hefboom met de grootste impact. Simpele taken doorsturen naar Luna of een mini-variant in plaats van een topmodel scheelt ongeveer 80% op die aanroepen. Bouw een kleine router die binnenkomende verzoeken classificeert en elk verzoek naar het goedkoopste model stuurt dat de klus kan klaren: classificatie en extractie naar Luna of GPT-4o mini, algemene tekstgeneratie naar Terra of GPT-4.1, en alleen echte redeneertaken naar o4-mini of o3. De meeste teams die hun verkeer analyseren, komen erachter dat het grootste deel eigenlijk nooit een premiummodel nodig had.

Gebruik prompt compressie en token-optimalisatie

Prompt compressie betekent dat je overbodige instructies, herhaalde context en opvulling uit je prompts haalt. Uitgebreide system prompts en dubbele context worden bij elke aanroep opnieuw in rekening gebracht, dus als je die inkort, telt dat snel op bij miljoenen requests. Er zijn tools en libraries die dit automatisch doen, met besparingen die doorgaans tussen de 20% en 40% liggen. Een snelle handmatige check, waarbij je herhaalde instructies verwijdert en voorbeelden aanscherpt, levert vaak al verrassend veel op.

Profiteer van gecachte inputprijzen

Als je calls een stabiele prefix, een vaste system prompt, een kennisbank of een lang instructieblok delen, geeft prompt caching flinke korting op die herhaalde input tokens. Zet prompt caching aan door prompts zo op te bouwen dat het vaste gedeelte vooraan staat, tot 90% korting op herhaalde input tokens. Dit is de meest effectieve truc voor RAG-pipelines en chatbots met statische system prompts. Zet alles wat constant is bovenaan de prompt en de variabele gebruikersinput onderaan, dan wordt het vaste deel tegen een fractie van de prijs verwerkt.

Gebruik de Batch API voor niet-realtime workloads

Alles waarbij je niet direct antwoord nodig hebt, hoort in de Batch API. Gebruik de Batch API voor niet-realtime workloads, 50% korting op alles. Bulkverwerking van documenten, nachtelijke data-enrichment, grootschalige contentgeneratie en offline analyse zijn er allemaal perfect voor. Het nadeel is de latency, want batch-taken kunnen uren duren voordat ze terugkomen, maar voor gepland werk is dat geen probleem en de 50% korting is gegarandeerd.

Houd je tokengebruik in de gaten en controleer het

Je kunt niet besparen op iets wat je niet ziet. Gebruik het OpenAI usage dashboard samen met een externe observability-tool om uitgaven per feature en per model bij te houden. Stel harde gebruikslimieten en waarschuwingen in om onverwacht hoge rekeningen te voorkomen, en speur naar de bekende boosdoeners: dubbele requests, uit de hand gelopen context windows, retries die zich opstapelen en output die niemand leest. Één verkeerd geconfigureerde loop kan stilletjes je rekening verdubbelen, dus alerts instellen is goedkope verzekering.

Bespaar slimmer op de abonnementen rond je API-stack

Er is nog één kostenpost die volledig buiten je codebase valt. De meeste teams combineren hun API-gebruik met betaalde consumentenabonnementen: ChatGPT Plus of Pro voor het team, plus Claude- en Gemini-seats, allemaal maandelijks gefactureerd in USD. Een gewone bankkaart rekent bij elke verlenging 2 tot 3% aan buitenlandse transactiekosten, en dat is pure verspilling.

Betaal die abonnementen met een Bleap-kaart en je betaalt in USD tegen de echte koers, dus 0% wisselkosten, en je krijgt een vaste 20% cashback op verlengingen van Claude, ChatGPT en Gemini. Het is een selfcustodial Mastercard die je overal kunt gebruiken waar Mastercard wordt geaccepteerd, zonder eigen maandabonnement. Voor een klein team dat €200 per maand uitgeeft aan deze drie tools, is die 20% cashback ongeveer €480 per jaar waard, bovenop de wisselkosten die je niet meer betaalt. Let op: de 20% cashback geldt specifiek voor Claude, ChatGPT en Gemini. Voor andere AI-tools die in USD factureren, zit het voordeel in de 0% wisselkosten.

Fine-tuning vs. prompt engineering: wat levert meer op?

Soms is de goedkoopste oplossing op de lange termijn het fine-tunen van een kleiner model, in plaats van een groot model bij elke aanroep vol te stoppen met uitgebreide few-shot prompts. Fine-tuning kost in eerste instantie geld, maar als je daarmee een topmodel kunt vervangen door een mini-variant op grote schaal, verdien je die kosten via lagere inference-kosten vaak snel terug. Het omslagpunt hangt af van je volume. Als vuistregel geldt: fine-tuning is meestal de moeite waard zodra je een hoog, constant maandelijks tokenvolume draait op een repetitieve taak, waarbij prompt engineering alleen je dwingt om topprijzen te betalen voor werk dat een fine-getuned mini-model net zo goed kan.

7. Wat de prijsverlagingen betekenen voor de AI-industrie: de bredere implicaties

AI wordt infrastructuur, net als cloud compute daarvoor

Er is een duidelijke historische parallel. In de jaren 2010 verlaagde AWS de prijzen van EC2 en S3 tientallen keren, doordat schaalgrootte de marginale kosten drukte, en cloud compute veranderde van een premium dienst in een gewoon nutsvoorziening. AI-inferentie volgt dezelfde curve. De prijsverlaging van 80% op Luna, mogelijk gemaakt door efficiëntiewinst, is een schoolvoorbeeld van dat vliegwiel-effect: meer schaal, meer efficiëntie, lagere prijzen, meer gebruik.

Het is een redelijke verwachting dat de prijzen van frontier-API's tot ver in de late jaren 2020 elk jaar flink blijven dalen, omdat dezelfde krachten die tot deze verlaging leidden nog steeds versnellen. In de technische blogpost wordt het zelfoptimalisatiewerk beschreven als het begin van een terugkoppelingslus in plaats van een eenmalige exercitie. OpenAI-engineers schrijven dat naarmate modellen beter worden en autonomer kunnen werken, het bedrijf zijn eigen vermogen om efficiëntiewinst te versnellen, versterkt, een samengestelde dynamiek. Voor AI-native startups betekent dit elk jaar lagere toetredingsdrempels en snellere iteraties.

Democratisering van AI: wie profiteert er het meest?

De grootste winnaars zijn de mensen voor wie prijs de belemmering was. Onafhankelijke developers en zelfgefinancierde startups kunnen nu productie-AI-functies draaien die voorheen verliesgevend waren. Teams in opkomende en prijsgevoelige markten, waar budgetten frontier-AI onbereikbaar maakten, kunnen nu bouwen op dezelfde modellen als ieder ander. En gevestigde bedrijven kunnen AI nu inzetten voor minder cruciale interne taken die voorheen de premium prijs niet rechtvaardigden. Wanneer het goedkoopste bruikbare model $0,20 per miljoen inputtokens kost, is "te duur om te proberen" geen excuus meer om niet te beginnen.

De keerzijde is margedruk in de hele sector. Deze stap kan de adoptie van modellen en cloudgebruik versnellen, maar roept ook de vraag op of efficiëntiewinst het lagere omzet-per-token wel kan compenseren. Voor gebruikers is de richting echter overduidelijk positief: meer mogelijkheden, tegen lagere prijzen, breder beschikbaar.

Bouw je met goedkopere AI, maar betaal je nog steeds de volle prijs voor je abonnementen? Bleap geeft je 0% wisselkosten op USD AI-facturen en een vaste 20% cashback op verlengingen van Claude, ChatGPT en Gemini, met een self-custodial Mastercard, zonder eigen abonnement. Vraag de Bleap-kaart aan →

Conclusie: goedkopere AI is er, dus betaal er slim voor

De kern is simpel en klopt: OpenAI verlaagde de prijs van GPT-5.6 Luna op 30 juli 2026 met 80%, gefinancierd door efficiëntiewinsten en aangewakkerd door de felste AI-prijzenoorlog tot nu toe. Maar de nuance is minstens zo belangrijk. Die 80% geldt voor één tier, het grootste deel van je besparing komt uit slimme model-routing, caching en batchverwerking, en OpenAI is nu sterk concurrerend zonder altijd de goedkoopste te zijn.

Voor iedereen die in 2026 met AI bouwt, is het recept duidelijk. Begin met het goedkoopste model dat de klus kan klaren, route bewust, cache agressief, batch waar mogelijk en controleer voortdurend. Doe dat, en je kunt bovenop de aangekondigde verlaging nog eens 50 tot 70% van je productiekosten schrappen.

Dicht dan ook het laatste gat. De AI-abonnementen rond je API-stack, ChatGPT, Claude en Gemini, worden maandelijks in USD gefactureerd, en een gewone kaart snoept bij elke verlenging 2 tot 3% weg. Betaal ze in plaats daarvan met Bleap: 0% wisselkosten op USD-facturen, een vaste 20% cashback op die drie tools, en een self-custodial Mastercard zonder eigen maandelijks abonnement. Goedkopere modellen plus slimmer betalen, zo laat je de prijzenoorlog van 2026 echt in je voordeel werken.

Veelgestelde vragen

Heeft OpenAI de prijzen echt met 80% verlaagd?

Ja, maar alleen voor één specifiek model. OpenAI kondigde aan de prijs van Terra met 20% te verlagen en die van Luna met 80%. Dat percentage van 80% geldt voor GPT-5.6 Luna, de goedkoopste en snelste variant, die daalde van $1/$6 naar $0,20/$1,20 per miljoen input-/outputtokens. De topvariant Sol bleef ongewijzigd.

Wanneer vond de prijsverlaging van OpenAI plaats?

De verlaging werd op 30 juli 2026 aangekondigd. OpenAI verlaagde de prijs van zijn GPT-5.6 Luna-model die dag met 80%, slechts drie weken na de volledige publieke lancering van de GPT-5.6-familie.

Wat is het goedkoopste OpenAI-model in 2026?

Binnen het huidige aanbod zijn GPT-5.6 Luna ($0,20/$1,20) en GPT-4.1 Nano ($0,10/$0,40) de goedkoopste bruikbare opties. GPT-4.1 Nano is met $0,10 per miljoen inputtokens een van de goedkoopste capabele modellen die er überhaupt te vinden zijn. Welke het beste bij je past, hangt af van je contextbehoefte en het type taak.

Waarom verlaagde OpenAI de prijzen zo drastisch?

De officiële reden is efficiëntie, maar de echte drijfveer is concurrentie. OpenAI schreef de verlagingen toe aan efficiëntieverbeteringen tijdens de interne ontwikkeling van GPT-5.6, waaronder de rol van het model bij het optimaliseren van productiesoftware en het verbeteren van speculative decoding. Tegelijkertijd brachten concurrenten als Anthropic en Google al enkele weken eerder vergelijkbare modellen uit, en goedkope Chinese modellen hebben een flink deel van de zakelijke markt ingenomen.

Is OpenAI nu goedkoper dan Google Gemini of Anthropic Claude?

Dat hangt af van de variant. Gemini is vaak goedkoper bij lange context en instapvarianten, met tarieven vanaf ongeveer $0,10/$0,40 voor de goedkoopste optie. Claude is doorgaans wat duurder, met Opus 5 op $5/$25. OpenAI's Luna is met $0,20/$1,20 zeer concurrerend voor grootschalig gebruik, maar geen enkele aanbieder is in elke categorie de goedkoopste.

Hoeveel kan ik nu echt besparen op mijn OpenAI API-factuur?

Naast de flinke prijsverlaging op papier levert gedisciplineerde optimalisatie ook veel op. Prompt caching, de Batch API, model routing en het inkorten van systeemprompts kunnen samen een productie-API-rekening met 50-70% verlagen, zonder dat de output-kwaliteit eronder lijdt. De grootste hefboom is simpele taken naar een goedkopere tier routeren.

Wat zijn "thinking tokens" en waarom kosten die meer?

Reasoning-modellen genereren verborgen interne redenering waar je voor betaalt tegen output-tarieven. Deze modellen rekenen interne redeneertokens af tegen outputprijzen, waardoor de werkelijke kosten 3 tot 10 keer hoger kunnen uitvallen dan de basisprijs, afhankelijk van de complexiteit van de taak. Daarom kan een antwoord van o3 veel duurder uitpakken dan de hoofdprijs doet vermoeden, en is o4-mini meestal de betere reasoning-keuze qua prijs-kwaliteitverhouding.

Hoe helpt Bleap bij AI-kosten?

Bleap verkoopt geen AI-modellen. Het is een fintech-kaartbedrijf dat verandert hoe je betaalt voor AI-abonnementen. AI-abonnementen worden maandelijks in USD gefactureerd, en de meeste kaarten rekenen bij elke verlenging 2 tot 3% wisselkoerskosten. Met Bleap betaal je in USD tegen de echte koers zonder wisselkoerskosten, en krijg je 20% cashback op verlengingen van Claude, ChatGPT en Gemini. Het is een self-custodial Mastercard zonder eigen maandelijks abonnement. De 20% cashback geldt alleen voor die drie tools; voor andere AI-tools die in USD factureren, zit het voordeel in de 0% wisselkoerskosten.

Blijven AI-prijzen dalen in 2026 en daarna?

Alles wijst erop van wel. De prijzen van de meest geavanceerde modellen dalen al sinds begin 2025 in rap tempo, door een combinatie van efficiëntere inference, verbeteringen bij open-weight modellen en bewuste concurrentiestrategieën. Nu efficiëntiewinsten zich opstapelen en de concurrentie toeneemt, worden verdere prijsverlagingen in de hele sector algemeen verwacht.